《表1 场景1的定位精度：基于距离测量和位置指纹的室内定位方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于距离测量和位置指纹的室内定位方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（单位:m）

在实验场景1中，以矩形网格形式总共选取6×7=42个参考点，每个参考点间距φ=1.2m；在实验场景2中，以同样方式总共选取2×20=40个参考点，同样每个参考点间距φ=1.2m.使用一个AP和一个DP建立场景1和场景2的离线被动式指纹库.在基于距离测量和位置指纹的室内定位方法中，本文使用前文分析的最优参数，即I设置为1×107，u=3.42m，r=0.31m.另外，采样频率设置为200Hz.为了保证实验一致性，Nuzzer和Pilot使用相同的实验场景设置，区别仅仅在于指纹定位方法不同.定位误差累积概率如图13和图14所示.从表1和表2可以明显看出，无论在场景1还是在场景2，本文所提出的ILLFRM都能获得比Nuzzer和Pilot更好的定位精度.实验结果表明，在场景1，Nuzzer平均定位误差2.7m，最大定位误差8.5m.Pilot平均定位误差2.0m，最大定位误差6.0m，而本文的ILLFRM平均定位误差为1.4m，最大定位误差5.0m.可以看出ILLFRM相比较其他定位方法，可以获得更好的定位精度.在场景2可以得到相似的实验结果.类似地，相比于Wang等人在文献[12-13]中提出的利用深度学习的定位方式，本文所提出的算法依然能够获得更好的定位精度.